25
Pengaturan Kecepatan Motor Induksi 3 Fasa Menggunakan Multilevel Inverter Dengan Metode Fuzzy Logic Controller
Maulana Malik Ibrahim1*, Moch. Rafi Damas Abdilla2, Feby Chandra Arsandi3 Era Purwanto4
1*,2,3,4Politeknik Elektronika Negeri Surabaya
*E-mail: [email protected]
Abstract
Along with the increasing progress of the industrial world in Indonesia, the need for equipment used in the production of goods has also increased.One of the most important equipment in an industry is a prime mover. An induction motor is a prime mover that has a big influence on the production system. Therefore, in this paper discuss the speed control of electric motors, especially 3-phase induction motors using a Neutral Point clamped–multilevel inverter which is regulated by a fuzzy logic controller. can maintain the speed at that value and it can also be seen that the Fuzzy Logic Controller (FLC) is able to regulate the speed of a 3-phase induction motor with an average error of 1.49% and can reach the desired speed for 0.36 seconds. However, the ratio between load and speed must be considered. Small loads cannot rotate at low speeds and large loads cannot rotate at high speeds. In the tests that have been carried out, it shows that the induction motor working system does not start at 0 rpm but starts from the highest speed of 1500 rpm. So it can be said that this system is run when the motor has rotated not from the starting condition of motor.
Keywords : Induction Motor, Multilevel Inverter, FLC
Abstrak
Seiring dengan peningkatan kemajuan dunia Industri di Indonesia, kebutuhan akan peralatan yang digunakan dalam produksi barang juga mengalami peningkatan. Salah satu peralatan yang penting dalam sebuah industri adalah alat penggerak. Motor listrik merupakan suatu alat penggerak yang berpengaruh besar dalam sistem produksi barang.
Oleh karena itu pada paper ini membahas mengenai pengaturan kecepatan motor listrik khususnya motor induksi 3 fasa menggunakan Neutral Point clamped–multilevel inverter yang diatur dengan fuzzy logic controller. Pengujian yang telah dilakukan menunjukkan bahwa sistem kontrol fuzzy yang dirancang dapat mengatur kecepatan sesuai dengan set point yang diinginkan serta dapat mempertahankan kecepatan pada nilai tersebut dan juga dapat diketahui bahwa Fuzzy Logic Controller (FLC) mampu mengatur kecepatan motor induksi 3 fasa dengan rata-rata error sebesar 1.49% dan dapat mencapai kecepatan yang diingikan selama 0.36 detik. Akan tetapi harus diperhatikan perbandingan antara beban dan kecepatan. Beban yang kecil tidak dapat berputar pada kecepatan rendah dan beban yang besar tidak dapat berputar pada kecepatan tinggi. Pada pengujian yang telah dilakukan menujukkan bahwa sistem kerja motor induksi tidak dimulai pada kecepatan 0 rpm tetapi dimulaii dari kecepatan tertingginya yaitu 1500 rpm. Sehingga bisa dikatakan bahwa sistem ini dijalankan ketika motor telah berputar bukan dimulai dari starting motor.
Kata kunci: Motor Induksi, Multilevel Inverter, FLC
26 1. Pendahuluan
Kemajuan dunia industri di Indonesia meningkat secara pesat. Banyaknya industri yang berdiri di Indonesia baik dari skala kecil hingga besar. Seiring dengan peningkatan kemajuan dunia Industri di Indonesia, kebutuhan akan peralatan yang digunakan dalam produksi barang juga mengalami peningkatan. Salah satu peralatan yang penting dalam sebuah industri adalah alat penggerak.
Dalam memproduksi barang, tentunya sebuah indstri memerlukan alat penggerak untuk mengaduk, mencampur, mengolah, sera memindahkan barang.
Motor listrik merupakan suatu alat penggerak yang berpengaruh besar dalam sistem produksi barang. Motor induksi 3 fasa merupakan motor arus bolak-balik paling banyak digunakan sebagai aktuator untuk merubah energi listrik menjadi energi gerak untuk pada berbagai keperluan dalam proses produksi pada suatu industri [1]. Pemilihan motor induksi dikarenakan beberapa kelebihan yang dimiliki seperti konstrusinya yang sederhana, ringan, kuat, murah, dan memiliki efisiensi yang tinggi dibandingkan dengan motor DC [2].
Sebagai pengendali motor induksi 3 fasa memerlukan inverter untuk mengatur kecepatan motor dengan mengubah nilai frekuensi yang masuk ke motor [3].
Pengaturan frekuensi ini bertujuan untuk memperoleh kecepatan putaran sesuai dengan kebutuhan [4]. Berbagai macam inverter telah dikembangkan oleh peneliti. Salah satunya adalah multilevel inverter (MLI) yang dapat mengubah tegangan DC menjadi AC, inverter ini seringnya diterapkan pada aplikasi energi terbarukan[5]. MLI umumnya digunakan untuk mengubah tegangan DC dari sumber enrgi terbarukan seperti turbin angin, panel surya, fuel cell, dan sebagainya. MLI memiliki beberapa keunggulan yaitu distorsi yang rendah, dapat beroperasi pada daya yang besar dan frekuensi switching tinggi.
Namun dalam inverter itu sendiri perlu ditambahkan sebuah kontroler sehingga nilai
kontrol terhadap motor dapat disesuaikan dengan kebutuhan yang diinginkan[6]. PWM adalah salah satu teknik untuk mengatur penyaklaran IGBT (Insulated Gate Bipolar Transistor) dalam inverter[7]. Kontroler dapat dihasilkan dari beberapa metode antara lain PI, PID, Fuzzy Logic Controller (FLC) dan Artificial Neural network (ANN). Pada penelitian ini digunakan Fuzzy Logic Controller (FLC) yang dirancang digunakan untuk mengatur gerakan kecepatan putar motor induksi sesuai dengan yang dibutuhkan.
Penelitian-penelitian yang telah dilakukan sebelumnya umumnya mengubah tegangan AC dari grid sebesar 380 volt 50 Hz kemudian diatur untuk mencapai kecepatan yang diinginkan [8]–[12]. Sedangkan pada penelitian ini, sumber yang digunakan berasal dari energi terbarukan dan umumnya merupakan tegangan DC. Kemudian dari sumber DC tersebut melewati MLI untuk melakukan konversi dari DC ke AC dengan tegangan dan frekuensi yang sesuai untuk kecepatan yang diinginkan.
Penggunaan motor yang sangat masif untuk industri tentunya secara langsung berdampak terhadap lingkungan. Hal ini tidak disebabkan karena motor yang digunakan menyebabkan polusi secara langsung, akan tetapi disebabkan oleh proses pembangkitan listrik yang sebagian besar dihasilkan oleh energi fosil dan menyebabkan polusi [13]. Saat ini industri sangat bergantung pada saluran grid dari perusahaan listrik.
Penelitian yang dilakukan ini, sangat memungkinkan apabila penggunaan motor untuk industri menggunakan sumber enrgi terbarukan sehingga dapat mengurangi ketergantungan terhadap energi fosil yang semakin berkurang guna mewujudkan net zero emission.
2. Metoda Penelitian 2.1. Blok Diagram Sistem
Penelitian ini ditujukan untuk membuat sistem pengaturan kecepatan motor induksi 3 fasa dengan desain sistem tertampil pada
27 yang digunakan sebagai pengganti sumber energi terbarukan, inverter berupa multilevel inverter, sensor kecepatan sebgai umpan balik untuk pengaturan kecepatan, mikrokontroler yang digunakan untuk melakukan proses FLC, dan motor induksi 3 fasa.
Gambar 1. Blok Diagram sistem
2.2. Motor Induksi 3 Fasa
Motor induksi 3 fasa memiliki konstruksi terdiri dari dua bagian, yaitu: bagian stator dan bagian rotor. Stator adalah bagian motor yang diam terdiri: badan motor, inti stator, belitan stator, bearing, dan terminal box. Bagian rotor adalah bagian motor yang berputar, terdiri atas rotor sangkar, dan poros rotor [14]. Konstruksi motor induksi tidak memiliki komutator dan sikat arang. Prinsip kerja motor induksi 3 fasa Jika pada belitan stator diberi tegangan tiga fasa, maka pada stator akan dihasilkan arus tiga fasa [15].
Arus ini akan mengalir melalui belitan yang akan menimbulkan fluks dan karena adanya perbedaan sudut fasa sebesar 120°
antara ketiga fasanya, maka akan timbul medan putar, dengan kecepatan sinkron 𝑛𝑠.
𝑛𝑠 = 120𝑓
𝑝 (𝑟𝑝𝑚) (1) Dengan keterangan:
𝑛𝑠 : kecepatan sinkron f : frekuensi
p : jumlah kutub
Dalam stator sendiri akan timbul tegangan pada masing-masing fasa yang dinyatakan:
𝐸1 = 4,41𝑓𝑁1Φ (2) Dalam keadaan rotor masih diam, medan putar stator akan memotong batang konduktor pada rotor. Akibatnya pada kumparan rotor timbul tegangan induksi (ggl) sebesar 𝐸2:
𝐸2 = 4,41𝑓𝑁2Φ𝑚 (3) Dengan keterangan:
𝐸1 : tegangan stator 𝐸2 : tegangan rotor
𝑁1 : jumlah kumparan stator 𝑁2 : jumlah kumparan rotor Φ𝑚: fluks maksimum
Perbedaan kecepatan sinkron medan putar stator (𝑛𝑠) dan kecepatan rotor (𝑛𝑟) disebut slip. Besarnya slip yang terjadi adalah,
𝑆 = 𝑛𝑠−𝑛𝑟
𝑛𝑠 × 100% (4) Dengan keterangan:
S : slip motor 𝑛𝑠 : kecepatan stator 𝑛𝑟 : kecepatan rotor
Pada saat rotor dalam keadaan berputar, besarnya tegangan yang terinduksi pada kumparan rotor akan bervariasi tergantung besarnya slip, dan tegangan induksi ini dinyatakan dengan 𝐸2𝑠.
𝐸2𝑠 = 4,41𝑠𝑓𝑁2Φ𝑚 (5) Dengan keterangan:
𝐸2𝑠: tegangan rotor saat keadaan berputar sf : frekuensi rotor
2.3. Inverter
Pengertian inverter multi level adalah konverter yang mengubah besaran DC menjadi besaran AC dimana keluaran (output) yang dihasilkan mempunyai beberapa (lebih dari dua) level tegangan atau arus[16], [17]. Secara umum terdapat tiga tipe inverter multi level, antara lain:
1. Inverter multi level tipe Diode clamped.
2. Inverter multi level tipe Flying capasitor.
3. Inverter multi level tipe jembatan (H- bridge).
Penelitian yang dilakukan menggunakan tipe Diode clamped juga dikenal sebagai Neutral point clamped–multilevel inverter.
Terdiri dari dua pasang saklar seri (atas- bawah), dihubung paralel dengan dua kapasitor seri. Dimana anoda dari dioda atas
28 dihubungkan dengan titik tengah kapasitor dan katoda ke titik tengah dioda atas. Katoda dioda bawah terhubung dengan titik tengah kapasitor sehingga tegangannya setengah sumber (1/2 Vdc) [18]. Titik tengah tersebut merupakan titik netral. Gambar 2 menunjukkan rangkaian inverter multi level tipe Diode clamped.
Gambar 2. Rangkaian MLI Diode clamped
2.4. Fuzzy Logic Controller
Kontroler logika fuzzy dikategorikan dalam kontrol cerdas (intelligent control) [19].
Unit logika fuzzy memiliki realibity yang mampu menyelesaikan masalah perilaku sistem yang kompleks dan memiliki ketidakpastian. Pengendali logika fuzzy memiliki unjuk kerja sangat baik dibandingkan dengan sistem kontroler PID. Berbeda dengan sistem kontrol biasa, keluaran yang dihasilkan diolah dan didefinisikan secara pasti atau dengan istilah lain hanya mengenal logika ‘0’
dan ‘1’ atau bekerja pada daerah ON dan OFF sehingga didapatkan perubahan yang kasar.
Pada sistem logika fuzzy, nilai yang berada antara ‘0’ dan ‘1’ dapat didefinisikan, sehingga kontroler dapat bekerja seperti sistem syaraf manusia yang bisa merasakan lingkungan eksternalnya, yakni “kurang”,
“agak”, “biasa”, dan “sangat”.
Kontroler yang berbasis logika fuzzy harus melalui beberapa tahapan sebelum sampai ke plant. Tahapan-tahapan tersebut kuantisasi, fuzzifikasi, penentuan rule base dan inference (reasoning), kemudian defuzzifikasi. Metode sistem inferensi fuzzy (Fuzzy Inference System
”FIS”) yang dikenal merupakan metode Mamdani, Sugeno dan Tsukamoto [20].
Tabel 2. Spesifikasi
No. Parameter Nilai
1 Tegangan 400 volt
2 Daya 7.5 kW
3 Frekuensi 50 Hz
4 Kecepatan 1440 rpm
5 Tipe rotor Squirrel Cage 6 Resistansi rotor 0.7402 Ω 7 Resistansi stator 0.7384 Ω 8 Induktansi rotor 0.003045 H 9 Induktansi stator 0.003045 H 10 Induktansi
mutual 0.1241 H
11 Kutub 2
12 Inersia 0.0343 Kg
3. Hasil Penelitian
Penelitian yang telah dilakukan menggunakan motor induksi tiga fasa yang telah dijelaskan sebelumnya. Dimana pengujian dilakukan di software MATLAB 2018 B. pengaturan kecepatan putar motor induksi dilakukan menggunakan multilevel inverter dengan control switching menggunakan fuzzy mamdani. Pengujian dilakukan secara close loop dengan kecepatan dan beban yang bervariasi. Rangkaian pengujian ditampilkan pada Gambar 3.
Sedangkan rangkaian untuk proses switching ditampilkan pada Gambar 4.
29 Gambar 3. Rangkaian pengujian
Gambar 4. Rangkaian switching
Kontrol fuzzy yang digunakan merupakan tipe mamdani dengan input berupa error dan delta error, serta output berupa ma yang digunakan untuk mengatur proses switching pada inverter. Gambar 5-7 menampilkan pengaturan FIS pada fuzzy logic.
30 Gambar 5. membership function input1
Gambar 6. membership function input2
Gambar 7. membership function output
3.1. Performa Fuzzy Logic Control
Dari pengujian yang telah dilakukan menunjukkan bahwa motor induksi dapat
berputar pada beban bervariasi dan kecepatan yang bervariasi pula. Pada gambar 8 menampilkan respon kecepatan putar akibat adanya pengaturan kecepatan. Dan hasil pengujian tertampil pada tabel 3.
Pada beban 10 Nm, terdapat beberapa set point kecepatan yang diinginkan. Pada titik kecepatan yang diinginkan 1400 rpm memiliki waktu capai 0.1 detik dan error kecepatan sebesar 0.29%, sedangkan pada set poin 1000 rpm memperoleh kecepatan 999 rpm dalam waktu 0.34 detik. Pada set point 800 rpm, sistem gagal berfungsi karena beban yang terlalu rendah dan kecepatan yang rendah juga, sehingga pengaturan kecepatan menggunakan fuzzy gagal berfungsi. Rata-rata error kecepatan untuk beban 10 Nm sebesar 0.27%
dan memiliki rata-rata waktu capai selama 0.27 detik.
Pada beban 20 Nm, terdapat beberapa set point kecepatan yang diinginkan dengan nilai error rata-rata bernilai 1.2%. Pada titik kecepatan yang diinginkan 1400 rpm memiliki waktu capai 0.1 detik untuk kecepatan 1359 rpm, sedangkan pada set poin 900 rpm sistem berjalan dalam kecepatan 891 rpm dengan waktu capai 0.14 detik. Pada set point 700 rpm, sistem gagal berfungsi karena beban dan kecepatan yang tidak seimbang, sehingga simulasi sistem yang dijalankan gagal.
Pada beban 30 Nm, terdapat beberapa set point kecepatan yang diinginkan. Pada titik kecepatan yang diinginkan 1400 rpm sistem gagal berjalan, sedangkan pada set poin 800 rpm sistem berjalan dalam kecepatan 770 rpm sehingga errornya 3.75% dengan waktu capai 0.14 detik. Pada set point 500 rpm, motor berputar pada kecepatan 460 rpm dalam waktu capai selama 1.98 detik, kondisi merupakan kondisi terburuk ditandai dengan waktu capai yang lama dengan rata-rata 0.67 detik dan error yang besar diatas 3%.
Hasil pengujian yang telah dilakukan menunjukkan bahwa sistem control kecepatan menggunakan fuzzy mamdani yang telah dibuat dapat digunakan untuk mengatur kecepatan motor induksi dengan error yang kecil untuk beban 10-20 Nm, sedangkan pada
31 Waktu capai dari titik awal hingga set point yang diinginkan berhubungan dengan besar perubahan kecepatannya, kecepatan pada titik awal merupakan 1500 rpm, sehingga semakin jauh set point dari titik awal menyebabkan waktu capai yang semakin lama.
Gambar 7. respon kecepatan motor
Tabel 3. Respon kecepatan motor Beban
(Nm)
Set Point (rpm)
Kecepatan (rpm)
Waktu capai (detik)
Error
10 1400 1396 0.1 0.29 %
1200 1203 0.2 0.25 %
1000 999 0.34 0.10 %
900 896 0.43 0.44 %
800 - - -
20 1400 1359 0.1 2.93 %
1200 1191 0.15 0.75 %
1000 991 0.22 0.9 %
900 891 0.14 1.00 %
800 796 0.17 0.50 %
700 - - -
30 1400 - - -
1200 1164 0.08 3.00 %
1000 974 0.22 2.60 %
900 872 0.23 3.11 %
800 770 0.32 3.75 %
700 670 0.55 4.29 %
600 568 1.22 5.33 %
500 460 1.98 8 %
4. Kesimpulan
Pengujian yang telah dilakukan menunjukkan bahwa sistem control fuzzy yang dirancang dapat mengatur kecepatan sesuai dengan set point yang diinginkan serta dapat mempertahankan kecepatan pada nilai tersebut, akan tetapi harus diperhatikan perbandingan antara beban dan kecepatan.
Beban yang kecil tidak dapat berputar pada kecepatan rendah dan beban yang besar tidak dapat berputar pada kecepatan tinggi.
menujukkan waktu yang cukup cepat dengan nilai error yang kecil.
5. Saran
Pada pengujian yang telah dilakukan menujukkan bahwa sistem kerja motor induksi tidak dimulai pada kecepatan 0 rpm tetapi dimuali dari kecepatan tertingginya yaitu 1500 rpm. Sehingga bisa dikatakan bahwa sistem ini dijalankan ketika motor telah berputar bukan dimulai dari starting motor.
6. Daftar Pustaka
[1] R. I. Putri, M. Fauziyah, and A. Setiawan,
“Penerapan Kontroler Neural Fuzzy Untuk Pengendalian Kecepatan Motor Induksi 3 Fasa Pada Mesin Sentrifugal,” no. 1, p. 13, 2009.
[2] N. Evalina, “Pengaturan Kecepatan Putaran Motor Induksi 3 Fasa Menggunakan Programmable logic controller,” vol. 3, no. 2, p. 8.
[3] E. Nurcahyo and B. Prio Hartono,
“Analisis Hemat Energi Pada Inverter Sebagai Pengatur Kecepatan Motor Induksi 3 Fasa,” Elektrika: Jurnal Teknik Elektro, Rabu, Agustus 2017.
[4] E. S. Nasution and A. Hasibuan,
“Pengaturan Kecepatan Motor Induksi 3 Phasa Dengan Merubah Frekuensi Menggunakan Inverter ALTIVAR 12P,”
vol. 2, p. 10, 2018.
[5] P. R. Bana, K. P. Panda, R. T. Naayagi, P.
Siano, and G. Panda, “Recently Developed Reduced Switch Multilevel Inverter for Renewable Energy Integration and Drives Application: Topologies, Comprehensive Analysis and Comparative Evaluation,”
IEEE Access, vol. 7, pp. 54888–54909,
2019, doi:
10.1109/ACCESS.2019.2913447.
[6] H. Hartono, R. I. Sudjoko, and P.
Iswahyudi, “Speed Control of Three Phase Induction Motor Using Universal Bridge and PID Controller,” J. Phys.: Conf. Ser., vol. 1381, no. 1, p. 012053, Nov. 2019, doi: 10.1088/1742-6596/1381/1/012053.
32 [7] Y. Xia, B. Gou, and Y. Xu, “A new
ensemble-based classifier for IGBT open- circuit fault diagnosis in three-phase PWM converter,” Prot Control Mod Power Syst, vol. 3, no. 1, p. 33, Dec. 2018, doi:
10.1186/s41601-018-0109-x.
[8] M. T. Setiawan, A. D. Efendi, and G. J.
Rusmadi, “Kontrol Kecepatan Motor Induksi Tiga Fasa melalui Arus Rotor menggunakan PI,” triac, vol. 7, no. 2, pp.
40–42, Dec. 2020, doi:
10.21107/triac.v7i2.5921.
[9] S. Eddine Rezgui, H. Benalla, and H.
Bouhebel, “Hybrid bacteria foraging- particle swarm optimization algorithm in DTC performance improving for induction motor drive,” IJEECS, vol. 22, no. 2, p.
660, May 2021, doi:
10.11591/ijeecs.v22.i2.pp660-669.
[10] I. Ferdiansyah, E. Purwanto, and N. A.
Windarko, “Fuzzy Gain Scheduling of PID (FGS-PID) for Speed Control Three Phase Induction Motor Based on Indirect Field Oriented Control (IFOC),” emitter, vol. 4,
no. 2, Dec. 2016, doi:
10.24003/emitter.v4i2.147.
[11] Electrical Eng. Department, University of Sulaimani, Sulaimani, Iraq, A. Omar, A.
M. Abdulrahman, Department of Physics, College of Science, University of Sulaimani, Kurdistan Region, Iraq, G. I.
Rashed, and Department of Physics, College of Science, University of Sulaimani, Kurdistan Region, Iraq, “Direct on Line Operation of Three Phase Induction Motor using MATLAB,” JZS-A, vol. 21, no. 2, pp. 21–34, Aug. 2019, doi:
10.17656/jzs.10754.
[12] M. A. Awdaa, A. A. Obed, and A. L.
Saleh, “Three-phase Induction Motor SVPWM-FOC Control Based on PLC Matlab Translation Approach,” IOP Conf.
Ser.: Mater. Sci. Eng., vol. 745, no. 1, p.
012028, Feb. 2020, doi: 10.1088/1757- 899X/745/1/012028.
[13] X.-C. Wang et al., “Air pollution terrain nexus: A review considering energy generation and consumption,” Renewable
and Sustainable Energy Reviews, vol. 105, pp. 71–85, May 2019, doi:
10.1016/j.rser.2019.01.049.
[14] P. Ewert, “Application of Neural Networks and Axial Flux for the Detection of Stator and Rotor Faults of an Induction Motor,” Power Electronics and Drives, vol. 4, no. 1, pp. 203–215, Jun. 2019, doi:
10.2478/pead-2019-0001.
[15] G. Nugroho and I. T. Sukmadi, “ Perbandingan Sistem Pengendalian Motor Induksi Tiga Fasa Dengan Metode Field Oriented Control Menggunakan Pi Controller Dan Fuzzy Logic Controller,” p.
12.
[16] E. A. T. Yuwono, A. Warsito, and M.
Facta, “Inverter Multi Level Tipe Jembatan Satu Fasa Tiga Tingkat Dengan Mikrokontroler AT89S5,” p. 6, 2011.
[17] F. N. Budiman, N. A. Windarko, and S.
Kuswadi, “Application of Genetic Algorithm to Minimize Harmonic in Multilevel Inverter,” JNTE, vol. 5, no. 1, Mar. 2016, doi: 10.20449/jnte.v5i1.192.
[18] F. A. Izzaqi, N. A. Windarko, and O.
A. Qudsi, “Minimization of total harmonic distortion in neutral point clamped multilevel inverter using grey wolf optimizer,” IJPEDS, vol. 13, no. 3, p.
1486, Sep. 2022, doi:
10.11591/ijpeds.v13.i3.pp1486-1497.
[19] O. V. Kryukov, D. A. Blagodarov, N.
N. Dulnev, Y. M. Safonov, N. N.
Fedortsov, and A. A. Kostin, “Intelligent Control of Electric Machine Drive Systems,” in 2018 X International Conference on Electrical Power Drive Systems (ICEPDS), Novocherkassk, Oct.
2018, pp. 1–4. doi:
10.1109/ICEPDS.2018.8571670.
[20] I. P. Sutawinaya, “Pengembangan Model Fuzzy Mamdani Untuk Pengaturan Kecepatan Motor Induksi Tiga Fasa Berbasis Metode Kontrol Field Oriented,”
vol. 13, no. 2, p. 6, 2013.
